k-means算法使用matlab实现,用matlab实现K-means算法遇到了问题

本帖最后由 542507066 于 2012-12-5 13:46 编辑

最近在学K-means算法。这个程序有点看不懂，且运行出来不是最后最优结果。

麻烦论坛里的大侠们帮我看看是哪里出问题了。万分感谢！！！

算法大致思路：

1、从给定样本中任选几个点作为初始中心(我取k=2)

2、计算其余点分别和初始中心点的距离，跟哪个初始中心近就跟那个中心点归为一类(欧式距离公式)，直到各自为“派别”

3、在分好类的基础上按平均值的方法重新计算聚类中心点，再重复第二步...以此类推

4、直到最后算法收敛(可以理解为中心点不再变动)则结束。

程序如下：(下附程序M文件和txt数据)function group=Kmeans(k,mid)

%K均值聚类算法

person=load('sample.txt')  %'height','weight'

%从文本文件读入数据放入person结构体中

%person=person(1:10,:);

num=size(person,1);%取person的行数，故num=20

%*************************************************************************

%赋初始值，划分为k类，每类只有选定的k个对象中的一个对象，每类的中心为选定的k个对象的值

for i=1:k

cluster{i}(1)=mid(i);

middle(i,1)=person(mid(i),1); %任选的初始聚类中心给middle

middle(i,2)=person(mid(i),2);

end

%*************************************************************************

distance=ComputDistance(person,middle,num,k);%计算每个样本跟各类中心的距离

temp=cell(size(cluster));

flag=isSL(temp,cluster,k);%判断当前类有没有变化即是否收敛

while flag==0 %当分类不收敛的时候

temp=cluster;

cluster=cell(size(temp));

for i=1:num %循环20次

[value,index]=min(distance(i,:)); %找到每个样本距离哪个类最近

dtemp=;

cluster{index}=[cluster{index},dtemp];  %将该样本划分到距离最近的类中

end

middle=ComputMid(person,cluster,k);%___________重新计算各类中心点

distance=ComputDistance(person,middle,num,k);%重新计算各样本与各类的距离

flag=isSL(temp,cluster,k);%判断当前类有没有变化

end

celldisp(cluster)

for i=1:k

group{i}=person(cluster{i}(:),:);

end

for i=1:k

covMat=cov(group{i});

fprintf('第%d类的聚类中心坐标为：\n',i);

disp(middle(i,:))

fprintf('第%d类的协方差矩阵为：\n',i);

disp(covMat)

end

%*************************************************************

%作图程序

for k=1:2,

if k==1,

[m,n]=size(group{k});

for i=1:m

plot(group{k}(i,1),group{k}(i,2),'r*')

hold on

end

else if k==2,

[m1,n1]=size(group{k});

for i=1:m1

plot(group{k}(i,1),group{k}(i,2),'g*')

hold on

end

end

end

end

title('K-means聚类图例')

xlabel('聚类点横坐标')

ylabel('聚类点纵坐标')

%****************************************************************

%**********************************************************************

%以下为调用的自定义函数

%**********************************************************************

function m=ComputMid(person,cluster,k)%计算各类中心点

%结果返回到m矩阵中

for i=1:k

length=size(cluster{i},1);

csum1=0;

csum2=0;

for j=1:length

csum1=csum1+person(cluster{i}(j),1);

csum2=csum2+person(cluster{i}(j),2);

end

m(i,1)=csum1/length;

m(i,2)=csum2/length;

%     m(i,1)=sum(person(cluster{i}(:),1))/size(cluster{i},1);

%     m(i,2)=sum(person(cluster{i}(:),2))/size(cluster{i},1);

end

%*************************************************************************

function d=ComputDistance(person,middle,num,k)%计算每个样本跟各类中心的距离

%结果返回到d矩阵中

for i=1:num

for j=1:k

d(i,j)=sqrt((person(i,1)-middle(j,1)).^2+(person(i,2)-middle(j,2)).^2); %欧氏距离

end

end

%************************************************************************

function flag=isSL(temp,cluster,k)%判断当前类有没有变化即是否收敛

%有变化则返回0，否则返回1

for i=1:k

if size(temp{i},1)==size(cluster{i},1)

for j=1:size(cluster{i},1)

if temp{i}(j)~=cluster{i}(j)

flag=0;

return;

end

end

flag=1;

else

flag=0;

return;

end

end